文章介绍了机器学习中的基本术语，如标记(label)、样例(example)、分类(classification)和监督学习(supervisedlearning)，并通过西瓜数据来说明这些概念。此外，还提到了测试(testing)、泛化能力(generalization)以及独立同分布(i.i.d.)的概念。
各类数据源于周志华教授的《机器学习》，阅读时囫囵吞枣，记录在此只为帮助理解，具体请自行查看。
例子：西瓜的数据三组
a、色泽=青绿；瓜蒂=蜷缩；敲声=浊响
b、色泽=乌黑；瓜蒂=微蜷；敲声=沉闷
c、色泽=浅白；瓜蒂=硬挺；敲声=清脆
1 基本术语
如果希望学得一个帮助我们判断是不是好瓜的模型，仅有示例数据显然是不够的，要建立关于“预测”（prediction）的模型，我们需要获得训练样本的“结果”信息（例如：“((色泽=青绿；瓜蒂=蜷缩；敲声=浊响),好瓜)”）。
1.1 标记（label）
上段语句中关于示例结果的信息（例如：“好瓜”）就称为“标记”。
1.2 样例（example）
拥有了“标记”信息的示例，则称为“样例”。
注：若将标记看作对象本身的一部分，则“样例”有时也称为“样本”。
1.3 标记空间（label space）/输出空间
一般用表示第i个“样例”，其中
是示例
的“标记”，Y是所有“标记”的集合，也称作“标记空间”或“输出空间”。
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
